一种地图生成方法、装置、计算机设备及存储介质制造方法及图纸

本公开提供了一种地图生成方法、装置、计算机设备及存储介质，其中，该方法包括：获取针对目标场景生成的第一特征地图和语义地图；所述第一特征地图包括多个场景图像以及所述场景图像中各特征点的特征描述信息；所述语义地图包括各语义对象的语义特征；基于所述语义地图中各语义对象的语义特征，从所述各语义对象中确定具有全局唯一性的目标对象；对包含所述目标对象的场景图像进行筛选，得到符合预设降冗余条件的目标场景图像，删除所述目标场景图像中特征点的特征描述信息，得到降冗余后的第二特征地图；所述语义地图和所述第二特征地图，用于对待定位对象进行定位。用于对待定位对象进行定位。用于对待定位对象进行定位。

【技术实现步骤摘要】
一种地图生成方法、装置、计算机设备及存储介质


[0001]本公开涉及地图构建
，具体而言，涉及一种地图生成方法、装置、计算机设备及存储介质。

技术介绍

[0002]封闭环境中的自动驾驶车辆或移动机器人通常利用即时定位与地图构建（Simultaneous Localization and Mapping，SLAM）技术构建地图并进行定位。
[0003]根据自动驾驶车辆或移动机器人中的相机获取到的场景图像，可以生成特征地图和语义地图。其中，特征地图虽然精度高、适用性强，但是鲁棒性较差，并且通常包含大量的特征描述信息，对于数据存储及地图使用时的性能影响较大；语义地图虽然鲁棒性较强，但是有的地理范围可能绝大部分并不包含语义信息，此时就无法进行全程定位。

技术实现思路

[0004]本公开实施例至少提供一种地图生成方法、装置、计算机设备及存储介质。
[0005]第一方面，本公开实施例提供了一种地图生成方法，包括：获取针对目标场景生成的第一特征地图和语义地图；所述第一特征地图包括多个场景图像以及所述场景图像中各特征点的特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种地图生成方法，其特征在于，包括：获取针对目标场景生成的第一特征地图和语义地图；所述第一特征地图包括多个场景图像以及所述场景图像中各特征点的特征描述信息；所述语义地图包括各语义对象的语义特征；基于所述语义地图中各语义对象的语义特征，从所述各语义对象中确定具有全局唯一性的目标对象；对包含所述目标对象的场景图像进行筛选，得到符合预设降冗余条件的目标场景图像，删除所述目标场景图像中特征点的特征描述信息，得到降冗余后的第二特征地图；所述语义地图和所述第二特征地图，用于对待定位对象进行定位。2.根据权利要求1所述的方法，其特征在于，所述语义地图是根据以下步骤生成的：获取所述场景图像对应的拍摄位姿信息；对所述场景图像进行语义特征提取，得到各语义对象的语义特征；所述语义特征包括所述语义对象的语义信息、以及所述语义对象在所述场景图像中的第一位置信息；基于所述各语义对象的所述语义特征和所述场景图像对应的拍摄位姿信息，生成所述语义地图。3.根据权利要求2所述的方法，其特征在于，所述第一位置信息是根据以下步骤确定的：获取所述场景图像中各语义对象对应的检测区域；基于所述检测区域中与所述语义对象匹配的目标关键点的位置信息，确定所述语义对象在所述场景图像中的第一位置信息。4.根据权利要求2或3所述的方法，其特征在于，所述基于所述各语义对象的所述语义特征和所述场景图像对应的拍摄位姿信息，生成所述语义地图，包括：基于所述语义特征中的所述第一位置信息和所述场景图像对应的拍摄位姿信息，确定所述语义对象在所述目标场景中的第二位置信息；基于所述语义特征中的所述语义信息、所述第二位置信息和所述场景图像对应的拍摄位姿信息，生成所述语义地图。5.根据权利要求2所述的方法，其特征在于，所述基于所述各语义对象的所述语义特征和所述场景图像对应的拍摄位姿信息，生成所述语义地图，包括：基于所述场景图像对应的拍摄位姿信息，将所述场景图像转换为鸟瞰图；所述鸟瞰图包括所述语义对象对应的目标关键点的第三位置信息；基于所述语义对象的语义信息、所述第三位置信息和所述场景图像对应的拍摄位姿信息，生成所述语义地图。6.根据权利要求1所述的方法，其特征在于，所述对包含所述目标对象的场景图像进行筛选，得到符合预设降冗余条件的目标场景图像，包括：获取包含所述目标对象的场景图像中，各所述目标对象对应的目标关键点的总数量；基于对应的目标关键点的总数量超过第一设定阈值的场景图像，确定所述目标场景图像。7.根据权利要求6所述的方法，其特征在于，所述目标场景图像包括第一目标场景图像和第二目标场景图像；
所述基于对应的目标关键点的总数量超过第一设定阈值的场景图像，确定所述目标场景图像，包括：将...

【专利技术属性】
技术研发人员：刘宴诚，
申请(专利权)人：北京集度科技有限公司，
类型：发明
国别省市：